KR102645942B1 - 채권 펀드 평가 방법 및 장치 - Google Patents
채권 펀드 평가 방법 및 장치 Download PDFInfo
- Publication number
- KR102645942B1 KR102645942B1 KR1020200076577A KR20200076577A KR102645942B1 KR 102645942 B1 KR102645942 B1 KR 102645942B1 KR 1020200076577 A KR1020200076577 A KR 1020200076577A KR 20200076577 A KR20200076577 A KR 20200076577A KR 102645942 B1 KR102645942 B1 KR 102645942B1
- Authority
- KR
- South Korea
- Prior art keywords
- fund
- bond
- risk
- bond fund
- type
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 230000008859 change Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
Abstract
본 개시의 일 실시 예에 따른 채권 펀드 평가 방법은 컴퓨팅 장치에 의해 수행되는 방법으로서, 프로세서에 의해, 채권 펀드의 액티브 리스크(active risk)에 기반하여 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하는 단계, 채권 펀드가 액티브 펀드인 경우, 쉬프트 리스크(shift risk), 트위스트 리스크(twist risk) 및 크레딧 리스크(credit risk)에 기반하여 채권 펀드의 펀드 유형을 분류하는 단계, 액티브 리스크에 기반하여 채권 펀드의 시장 적합성을 평가하는 단계, 펀드 유형에 기반한 성과에 기반하여 채권 펀드의 운용 적합성을 평가하는 단계 및 펀드 유형의 변화 여부에 기반하여 채권 펀드의 스타일 일관성을 평가하는 단계를 포함할 수 있다.
Description
본 개시는 채권 펀드를 평가하는 방법 및 장치에 관한 것으로서, 더욱 상세하게는 채권 펀드의 유형에 따라 평가 기준을 달리하여 평가하는 것으로서, 특히 멀티 팩터 모델(Multi-Factor Model)에 기반하여 펀드를 분석한 후, 각 팩터들의 위험 및 성과를 이용하여 펀드를 평가하는 방법 및 장치에 관한 것이다.
종래 투자 상품들 중에서 주식 펀드뿐 아니라 채권 펀드가 존재하며, 채권 펀드 역시 펀드의 운용 전략 및 펀드에 매입된 채권의 종류 등에 따라 각 채권 펀드의 리스크 및 예상 수익률은 서로 다를 수 있다.
또한 채권 펀드의 예상 수익률은 시장 상황에 따라 변화할 수 있고, 각 시장 상황에 적합한 것으로 평가받는 채권 펀드도 시장 상황에 따라 서로 다를 수 있다.
따라서, 급변하는 시장 상황 및 다양한 종류의 채권 펀드들에 대해서 투자자들은 채권 펀드의 선택에 따라 높은 리스크에 직면할 수 있고, 적합한 채권 펀드를 선택하는 데 어려움이 존재한다.
기존의 펀드 분석은 주로 해당 펀드의 과거 수익률과 수익률의 변동성을 가지고 평가하거나, 펀드 운용사에서 제공하는 펀드 제안서로부터 입력 받은 운용방침(철학)에 기반하여 각 펀드 운용사의 각 펀드에 대해 액티브 리스크(Active Risk), 스타일 노출도(Style Exposure Rate), 리스크 기여도, 편입주식변화 등의 PSR(Portfolio Strategy & Risk) 분석을 실행하여, PSR 분석 결과 해당 펀드가 운용 방침대로 운용되고 있는지 등에 기반하는 펀드 분석 방법이 존재한다.
하지만, 채권 시장의 상황 변화에 따라 특정 전략이 양호한 성과가 기대되는 시장이 도래한 경우, 복수의 펀드들을 정량적으로 비교하고 해당 시장에 적합한 펀드를 선택하기 어려운 문제점이 있다.
본 개시의 일 실시 예는 복수의 채권 펀드들을 정량적으로 비교하고 시장 상황에 적합한 펀드를 선택할 수 있는 채권 펀드 평가 방법 및 장치를 제공한다.
본 개시의 다른 실시 예는 채권 펀드의 유형을 정량적으로 분류할 수 있는 채권 펀드 평가 방법 및 장치를 제공한다.
본 개시의 다른 실시 예는 채권 펀드의 멀티 팩터 모델(Multi-Factor Model)을 이용한 다양한 팩터들의 분석 결과에 기반하여 채권 펀드를 평가할 수 있는 채권 펀드 평가 방법 및 장치를 제공한다.
본 개시의 일 실시 예는 프로세서 및 상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고, 상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서가 채권 펀드의 액티브 리스크(active risk)에 기반하여 상기 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하고, 상기 채권 펀드가 액티브 펀드인 경우 쉬프트 리스크(shift risk), 트위스트 리스크(twist risk) 및 크레딧 리스크(credit risk)에 기반하여 상기 채권 펀드의 펀드 유형을 더 분류하고, 상기 액티브 리스크에 기반하여 상기 채권 펀드의 시장 적합성을 평가하고, 상기 펀드 유형에 기반한 성과에 기반하여 상기 채권 펀드의 운용 적합성을 평가하고, 상기 펀드 유형의 변화 여부에 기반하여 상기 채권 펀드의 스타일 일관성을 평가하도록 야기하는 코드들을 저장하는 컴퓨팅 장치를 제공한다.
본 개시의 다른 실시 예는 컴퓨팅 장치에 의해 수행되는 방법으로서, 프로세서에 의해, 채권 펀드의 액티브 리스크(active risk)에 기반하여 상기 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하는 단계, 상기 프로세서에 의해, 상기 채권 펀드가 액티브 펀드인 경우, 쉬프트 리스크(shift risk), 트위스트 리스크(twist risk) 및 크레딧 리스크(credit risk)에 기반하여 상기 채권 펀드의 펀드 유형을 분류하는 단계, 상기 프로세서에 의해, 상기 액티브 리스크에 기반하여 상기 채권 펀드의 시장 적합성을 평가하는 단계, 상기 프로세서에 의해, 상기 펀드 유형에 기반한 성과에 기반하여 상기 채권 펀드의 운용 적합성을 평가하는 단계 및 상기 프로세서에 의해, 상기 펀드 유형의 변화 여부에 기반하여 상기 채권 펀드의 스타일 일관성을 평가하는 단계를 포함하는 컴퓨팅 장치의 채권 펀드 평가 방법을 제공한다.
본 개시의 실시 예에 따른 채권 펀드 평가 방법 및 장치는 복수의 채권 펀드들을 정량적으로 평가 및 비교를 통하여 시장 상황에 적합한 채권 펀드를 선택하는데 도움을 줄 수 있다.
본 개시의 실시 예에 따른 채권 펀드 평가 방법 및 장치는 시장의 상황 변화에 적합한 펀드 선택을 가능하게 함으로써 투자자가 초과 성과를 달성할 수 있도록 도움을 줄 수 있다.
도 1은 본 개시의 일 실시 예에 따른 채권 평가 방법을 수행하거나 채권 평가 장치를 구동하기 위한 환경을 나타낸 도면이다.
도 2는 본 개시의 일 실시 예에 따른 채권 펀드 평가 장치의 구성을 나타낸 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 채권 평가 방법을 설명하기 위한 순서도이다.
도 4는 본 개시의 일 실시 예에 따른 채권 펀드의 유형을 분류하는 방법을 설명하기 위한 순서도이다.
도 5는 본 개시의 일 실시 예에 따른 채권 펀드의 유형을 분류하는 방법을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 채권 펀드 평가 장치의 구성을 나타낸 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 채권 평가 방법을 설명하기 위한 순서도이다.
도 4는 본 개시의 일 실시 예에 따른 채권 펀드의 유형을 분류하는 방법을 설명하기 위한 순서도이다.
도 5는 본 개시의 일 실시 예에 따른 채권 펀드의 유형을 분류하는 방법을 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
도 1을 참조하여 본 개시의 일 실시 예에 따른 채권 펀드 평가 장치를 구동하기 위한 환경을 설명한다.
본 개시의 실시 예에 따른 채권 펀드 평가 방법을 수행하거나 채권 펀드 평가 장치를 구동하기 위한 환경은 채권 펀드 평가 장치(100)와 선택적으로 채권 펀드의 정보를 제공하는 정보 제공 장치(200)를 포함할 수 있다. 채권 펀드 평가 장치(100) 또는 정보 제공 장치(200)는 증권사의 서버 장치 또는 자산 운용사의 서버 장치일 수 있으며 특별히 그 운영 주체를 한정하지 않는다. 또한, 채권 펀드 평가 장치(100) 또는 정보 제공 장치(200)는 프로세서, 메모리 등의 저장부 등을 포함한 랩탑 컴퓨터, 모바일 디바이스, 퍼스널 컴퓨터 등의 컴퓨팅 장치일 수 있고, 특별히 그 종류를 서버 장치로 한정하지 않는다.
정보 제공 장치(200)는 채권 펀드 분석을 위한 채권 펀드의 정보를 네트워크(300)를 통해 채권 펀드 평가 장치(100)에 제공하여 채권 펀드 평가 장치(100)로 하여금 채권 펀드를 분석하게 하거나, 채권 펀드 분석을 수행한 결과를 채권 펀드 평가 장치(100)에 제공할 수 있다.
정보 제공 장치(200) 또는 채권 펀드 평가 장치(100)가 멀티 팩터 모델(Multi-Factor Model)을 이용하여 채권 펀드를 분석하는 경우, 정보 제공 장치(200) 또는 채권 펀드 평가 장치(100)는 데이터 수집 및 수정, 디스크립터 선택 및 테스트(Univariate), 리스크 인덱스 생성, 리스크 인덱스 수익률 예측, 공분산 행렬 계산, 고유 리스크 예측, 모델 조정 등의 과정을 거쳐 PSR(Portfolio Strategy and Risk) 모델을 생성할 수 있다.
이 경우, 정보 제공 장치(200) 또는 채권 펀드 평가 장치(100)는 생성된 PSR 모델 즉 멀티 팩터 모델(Multi Factor Model, 다중 요인 모델)을 활용하여 수익률과 리스크의 발생 원천을 각 팩터 별로 분리하여 분석하는 PSR 분석을 실행할 수 있고, PSR 분석은 채권 펀드에 소속된 각 채권의 공통 요인(예를 들어, 듀레이션(duration), 섹터(sector)등) 및 고유 요인(예를 들어, 채권 개별 특성 등)으로 채권 수익률을 분해할 수 있다.
멀티 팩터 모델은 채권의 수익률을 다양한 팩터들을 이용하여 분해하는 모형으로서, 각 팩터가 수익률에 미치는 기여도를 분석하고 이를 활용하여 채권 종목 별로 성과 평가 및 위험 관리를 수행할 수 있다.
또한, 정보 제공 장치(200) 또는 채권 펀드 평가 장치(100)는 현재 채권 펀드 포트 폴리오의 팩터 노출도 산출 후 팩터 리스크를 반영하여 채권 펀드 포트폴리오의 리스크를 산출(리스크 분석)하거나, 팩터 별 노출도(비중)와 팩터 성과를 결합하여 포트폴리오 성과를 팩터 별 성과로 분해(성과 분석)할 수 있다.
채권의 멀티 팩터 모형은 아래와 같을 수 있다.
여기서, 
는 i 종목의 자본수익률(이자 수익률 제외), 
는 i종목의 k요인에 대한 노출도(factor exposure), 
는 k요인의 수익률에 대한 기여도(factor return), 
는 i종목의 고유 요인에 의한 수익률을 의미한다.
채권 펀드 평가 장치(100)는 채권 펀드의 포트 폴리오에 대하여 멀티 팩터 모델을 이용한 분석 결과에 기반하여, 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하고, 채권 펀드가 액티브 펀드인 경우, 쉬프트 리스크(shift risk), 트위스트 리스크(twist risk) 및 크레딧 리스크(credit risk)에 기반하여 상기 채권 펀드의 펀드 유형을 분류할 수 있다.
또한, 채권 펀드 평가 장치(100)는 멀티 팩터 모델을 이용한 분석 결과에 기반하여 채권 펀드의 시장 적합성, 운용 적합성 및 스타일 일관성을 평가할 수 있다.
채권 펀드 평가 장치(100)가 채권 펀드를 분류하고 평가하는 방법은 도 3 내지 5를 이용하여 아래에서 자세히 설명한다.
도 2를 참조하여 본 개시의 일 실시 예에 따른 채권 펀드 평가 장치(100)의 구성을 설명한다.
채권 펀드 평가 장치(100)는 채권 펀드의 포트 폴리오 분석 결과에 기반하여 채권 펀드의 유형을 분류하고 채권 펀드의 적어도 하나 이상의 평가 지표를 평가하는 프로세서(130), 정보 제공 장치(200) 또는 다른 외부 장치와 채권 펀드의 정보를 송/수신 하거나 분석 및 평가 결과를 전송하는 통신부(110), 채권 펀드의 평가 방법을 수행하기 위해 연산의 중간 데이터, 채권 펀드의 정보(예를 들어, 구성 종목, 각 종목 채권의 수익률 등) 또는 채권 펀드의 분석 결과를 저장하는 메모리(120)를 포함할 수 있다.
통신부(110)는 무선 통신부 또는 유선 통신부를 포함할 수 있다.
무선 통신부는, 이동통신 모듈, 무선 인터넷 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.
이동통신 모듈은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다.
무선 인터넷 모듈은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 채권 펀드 평가 장치(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있다.
근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
위치정보 모듈은 채권 펀드 평가 장치(100)의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 단말기는 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 채권 펀드 평가 장치(100)의 위치를 획득할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 사용자의 입력을 위한 입력부(미도시)를 포함할 수 있다.
입력부는 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부를 포함할 수 있다.
사용자 입력부는 기계식(mechanical) 입력수단(또는, 메커니컬 키, 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 채권 펀드 평가 장치(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행하는 인터페이스부(미도시)를 포함할 수 있다. 인터페이스부는, 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port)중 적어도 하나를 포함할 수 있다.
또한, 채권 펀드 평가 장치(100)는 채권 펀드의 정보 또는 채권 펀드의 분석 결과를 각 팩터 별로 분류하여 저장하는 데이터베이스(140), 프로세서(130)의 제어 하에서, 외부의 전원, 내부의 전원을 인가받아 채권 펀드 평가 장치(100)에 포함된 각 구성요소들에 전원을 공급하는 전원 공급부(150)를 포함할 수 있다. 전원 공급부(150)는 공급받은 AC 전원을 DC 전원으로 변환하는 변환 장치 또는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리일 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)의 메모리(120)는 머신 러닝(Machine Learning) 기반의 학습 모델을 포함할 수 있고, 머신 러닝 기반의 학습 모델은 CNN 또는 R-CNN(Region based CNN), C-RNN(Convolutional Recursive Neural Network), Fast R-CNN, Faster R-CNN, R-FCN(Region based Fully Convolutional Network), YOLO(You Only Look Once) 또는 SSD(Single Shot Multibox Detector)구조의 신경망을 포함할 수 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있으며, 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어는 메모리(120)에 저장될 수 있다. 상기 학습 모델은 채권 펀드의 포트폴리오 분석 팩터들에 대한 펀드 유형을 라벨(label)로 가진 훈련 데이터를 이용하여 채권 펀드의 유형을 분류하도록 훈련된 학습 모델일 수 있다. 채권 펀드 평가 장치(100)는 채권 펀드의 포트폴리오 분석 팩터들에 대한 펀드 유형을 라벨(label)로 가진 훈련 데이터로 훈련된 학습 모델에 기반하여 채권 펀드의 유형을 결정할 수 있다.
도 3을 참조하여 본 개시의 일 실시 예에 따른 채권 펀드 평가 장치(100)의 채권 펀드 평가 방법을 설명한다.
채권 펀드 평가 장치(100)의 프로세서(130)는 정보 제공 장치(200) 또는 외부 장치 등으로부터 수신하거나 사용자로부터 입력받은 채권 펀드의 정보에 기반하여 채권 펀드를 멀티 팩터 모델을 이용하여 분석하거나, 정보 제공 장치(200) 또는 외부 장치 등으로부터 수신하거나 사용자로부터 입력받은 채권 펀드의 멀티 팩터 모델 기반 분석 결과에 기반하여 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류할 수 있다(S110). 채권 펀드 평가 장치(100) 또는 정보 제공 장치(200)는 채권 펀드에 대해 멀티 팩터 모델 기반 분석 결과로 액티브 리스크, 스타일 노출도, 섹터 노출도, 리스크 기여도, 편입주식변화 등을 제공할 수 있다.
액티브 리스크는 펀드 또는 관리 포트폴리오가 비교되는 벤치마크 대비 성과차이를 가늠할 수 있는 리스크로서 벤치마크 대비 펀드의 액티브 리스크는 펀드의 액티브 전략 수준과 달성 가능한 벤치마크 대비 초과 성과의 크기를 가늠할 수 있는 통찰력을 제공한다.
채권 펀드 평가 장치(100) 또는 정보 제공 장치(200)는 여러 가지 리스크 특성을 비교하여 액티브 리스크를 관찰할 수 있다. 액티브 리스크 비교를 위한 리스크 측정 기준 중 세 가지에는 베타(beta), 표준 편차 또는 변동성 및 샤프 비율(Sharpe Ration)이 포함된다. 베타는 벤치 마크 대비 펀드의 위험을 나타내는 것으로서, 1 보다 큰 펀드 베타는 높은 위험을 나타내며 1 보다 낮은 펀드 베타는 낮은 위험을 나타낸다. 표준 편차 또는 변동성은 기본 증권의 변동을 종합적으로 나타낸다. 벤치 마크보다 높은 펀드 변동성 측정은 위험이 높고 벤치 마크보다 낮은 펀드 변동성은 위험이 낮다. 샤프 비율은 위험의 함수로서 초과 수익을 이해하기 위한 척도를 제공한다. 샤프 비율이 높을수록 펀드가 위험 단위당 더 높은 수익을 창출하여 더 효율적으로 투자한다는 것을 의미한다. 액티브 리스크를 계산하는 방법은 투자 수익에서 벤치 마크 수익을 감산하거나, 시간에 따른 투자 차이와 벤치 마크 수익의 표준 편차를 취하거나 그 외의 방법일 수 있다.
또한, 스타일 노출도는 펀드의 스타일 요인과 벤치마크의 스타일 요인과의 차이를 나타내는 것으로, 0에 가까울수록 벤치마크와 비슷함을 의미하고, 섹터 노출도는 펀드의 섹터 요인과 벤치마크의 섹터 요인과의 차이를 나타내는 것으로, 0에 가까울수록 벤치마크와 비슷함을 의미한다.
또한, 리스크 기여도는 액티브 리스크의 구성 요소인 공통요인 위험과, 스타일 위험, 업종 위험, 공분산 위험, 종목선택 위험의 구성비율을 나타내는 것으로서, 액티브 리스크에 공통요인 위험, 스타일 위험, 업종 위험, 공분산 위험, 종목선택 위험이 몇 %나 기여하고 있는지를 나타낸다. 스타일 위험과 업종 위험 내에서도 세부 요인 별로 리스크 기여도를 계산할 수 있다.
채권 펀드 평가 장치(100)가 채권 펀드의 포트 폴리오에 대하여 멀티 팩터 분석을 수행하는 방법은, 통상의 기술자에게 알려진 사항들이므로 본 명세서에서는 더 이상의 자세한 설명을 생략한다.
채권 펀드 평가 장치(100)의 프로세서(130)는 채권 펀드의 분석 결과 중 하나인 액티브 리스크(active risk)에 기반하여 채권 펀드를 액티브 펀드 또는 패시브 펀드로 분류할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)의 프로세서는 채권 펀드의 액티브 리스크가 미리 설정된 제1 액티브 리스크 기준 값 미만인 경우 패시브 펀드로 분류하고, 액티브 리스크가 제1 액티브 리스크 기준 값 이상인 경우 채권 펀드를 액티브 펀드로 분류하는 단계를 더 포함할 수 있다. 이 때, 제1 액티브 리스크 기준 값은 채권 펀드의 운용 보수에 기반하여 미리 설정될 수 있고, 채권 펀드 평가 장치(100)는 동일한 채권 펀드일 지라도 특정 구간(채권 펀드를 평가하는 총 기간 중 일정 부분 기간)마다 채권 펀드를 액티브 펀드 또는 패시브 펀드로 분류할 수 있다. 특정 구간은 월, 분기 또는 반기일 수 있고 특별히 그 구간의 길이를 한정하지 않는다.
예를 들어, AA 펀드 코드를 가진 채권 펀드의 멀티 팩터 모델에 기반한 분석 결과가 도 5와 같을 수 있다.
채권 펀드의 운용 보수가 10bp(basis point, 10bp는 0.1%)인 경우, 제1 액티브 리스크 기준 값은 운용 보수 이상의 성과를 기대하기 위해 벤치 마크 대비 액티브 리스크가 0.1 이상이 되도록 제1 액티브 리스크 기준 값이 설정될 수 있다. 또는, 제1 액티브 리스크 기준 값은 운용 보수보다 일정 비율 또는 일정 값 이상이 되도록 미리 설정될 수 있다. 예를 들어, 항상 운용 보수보다 10% 이상의 값을 갖도록 제1 액티브 리스크 기준 값이 설정되거나 운용 보수보다 1bp 이상의 값을 갖도록 제1 액티브 리스크 기준 값이 설정될 수 있다. 따라서, 채권 펀드 평가 장치(100)는 채권 펀드의 운용 보수보다 높은 이익을 기대할 수 있는 채권 펀드를 액티브 전략을 구현하는 액티브 펀드로 분류할 수 있다.
도 5를 예로 들면, 액티브 리스크가 0.1 이상이 되도록 제1 액티브 리스크 기준 값이 설정된 경우, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 각 구간의 액티브 리스크(510)를 확인하여, 1구간은 액티브 리스크가 0.085이므로 AA 펀드 코드를 가진 채권 펀드를 패시브 펀드로 분류하고, 2구간은 액티브 리스크가 0.0859이므로 역시 AA 펀드 코드를 가진 채권 펀드를 패시브 펀드로 분류할 수 있다. 3 내지 6구간에서는 모두 액티브 리스크가 0.1 이상이므로 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드를 액티브 펀드로 분류할 수 있다.
채권 펀드 평가 장치(100)의 프로세서(130)는 채권 펀드가 액티브 펀드인 경우(S112), 쉬프트 리스크(shift risk), 트위스트 리스크(twist risk) 및 크레딧 리스크(credit risk)에 기반하여 채권 펀드의 펀드 세부 유형인 제1 유형을 결정할 수 있다(S120). 이 경우, 채권 펀드 평가 장치(100)는 각 구간마다 채권 펀드의 제1 유형을 각각 결정할 수 있다.
도 4를 예로 들어, 채권 펀드 평가 장치(100)가 액티브 펀드로 분류된 채권 펀드의 제1 유형 및 제2 유형을 결정하는 방법을 자세히 설명한다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 액티브 펀드로 분류된 채권 펀드에 대해 멀티 팩터 모델 기반 분석 결과 중 쉬프트 팩터(shift factor), 트위스트 팩터(twist factor), 크레딧 팩터(credit factor)의 각 리스크를 확인할 수 있다(S210).
채권 펀드 평가 장치(100)는 쉬프트 팩터, 트위스트 팩터, 크레딧 팩터의 각 리스크 중 가장 리스크가 높은 팩터와 관련된 펀드 유형으로 채권 펀드의 제1 유형을 결정할 수 있다(S220).
도 5를 예로 들면, AA 펀드 코드를 가진 채권 펀드는 3구간에서 트위스트 팩터, 쉬프트 팩터 및 크레딧 팩터의 리스크가 각각 0.0964, 0.0334 및 0.0507을 갖고 그 중 트위스트 팩터의 리스크가 가장 크므로 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 3구간 제1 유형을 트위스트로 결정(520)할 수 있다. 마찬가지로, 4 내지 6구간에서는 크레딧 리스크가 가장 크므로 AA 펀드 코드를 가진 채권 펀드를 4 내지 6구간에서는 크레딧으로 제1 유형을 결정(520)할 수 있다.
이후, 채권 펀드 평가 장치(100)는 채권 펀드의 제1 유형에 기반하여 상기 채권 펀드의 쉬프트 팩터, 트위스트 팩터 또는 크레딧 팩터 중 어느 하나인 제1 팩터를 확인할 수 있다(S230). 예를 들어, 채권 펀드의 제1 유형이 트위스트로 결정된 경우 해당 채권 펀드의 트위스트 팩터를 확인할 수 있다.
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 3구간 제1 유형을 트위스트로 결정(520)하였으므로 트위스트 팩터를 확인하여 3구간의 트위스트 팩터의 노출도(노출값)가 0.2974인 것을 확인할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 채권 펀드의 제1 유형과 동일한 유형으로 분류된 적어도 두 개 이상의 펀드들의 제1 팩터 노출도 평균 또는 전체 채권 펀드의 제1 팩터 노출도 평균과 채권 펀드의 제1 팩터 노출도를 비교하고(S240), 그 비교 결과에 기반하여 채권 펀드의 제2 유형을 결정할 수 있다(S250).
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드가 3구간 제1 유형이 트위스트로 결정(520)했고, 3구간의 트위스트 팩터의 노출도(노출값)인 0.2974가 트위스트로 분류된 펀드들(또는 전체 채권 펀드들)의 트위스트 팩터 노출도 평균보다 높은 경우(532) AA 펀드 코드를 가진 채권 펀드의 3구간 제2 유형을 +트위스트로 결정(530) 할 수 있다.
마찬가지로, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 4 내지 6 구간에서 크레딧 팩터의 노출도를 각각 제1 유형이 크레딧으로 분류된 펀드들(또는 전체 채권 펀드들)의 크레딧 팩터 노출도 평균과 비교하여(534), AA 펀드 코드를 가진 채권 펀드의 해당 구간의 제2 유형을 각각 -크레딧, +크레딧, +크레딧으로 결정(530)할 수 있다.
다시 도 3을 참고하여 설명하면, 채권 펀드 평가 장치(100)는 액티브 리스크에 기반하여 채권 펀드의 시장 적합성을 평가하고(S130), 펀드 유형에 기반한 성과에 기반하여 채권 펀드의 운용 적합성을 평가하고(S140), 펀드 유형의 변화 여부에 기반하여 채권 펀드의 스타일 일관성을 평가(S150)할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 미리 설정된 기간 동안의 액티브 리스크의 변화에 기반하여 시장 적합성을 평가할 수 있다.
예를 들어, 채권 펀드 평가 장치(100)는 채권 펀드의 각 구간 액티브 리스크 값을 제1 액티브 리스크 기준 값과 비교하고, 각 구간에서의 액티브 리스크가 제1 액티브 리스크 기준 값인 경우 미리 설정된 점수를 부여하여 합산한 값을 전체 구간 개수로 나누어 시장 적합성을 평가할 수 있다.
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 1 내지 6구간의 각 구간에서의 액티브 리스크가 제1 액티브 리스크 기준 값인 10bp이상인 구간마다 1점을 부여하여 합산한 값(4)을 전체 구간 개수인 6으로 나누어 시장 적합성을 0.67(540)으로 평가할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 채권 펀드의 제1 유형과 동일한 유형으로 분류된 적어도 두 개 이상의 펀드들의 제1 유형에 따른 성과 평균과 미리 설정된 기간 동안의 채권 펀드의 제1 유형에 따른 성과의 비교 결과에 기반하여 운용 적합성을 평가할 수 있다.
예를 들어, 채권 펀드 평가 장치(100)는 채권 펀드가 쉬프트인 경우 채권 펀드의 쉬프트 팩터의 성과를 제1 유형이 쉬프트인 채권 펀드들의 쉬프트 팩터 성과 평균을 비교하여 비교 결과에 따라 미리 설정된 기준에 따라 각 구간마다 점수를 부여하고, 그 점수의 평균으로 채권 펀드의 운용 적합성을 평가할 수 있다.
또한, 채권 펀드가 패시브 펀드인 경우 미리 설정된 제2 기간 동안의 패시브 펀드로 분류된 적어도 두 개 이상의 펀드들의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합의 평균과 채권 펀드의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합의 비교 결과에 기반하여 운용 적합성을 평가할 수 있다.
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드가 1구간에서 패시브 펀드로 분류되었고, 1구간에서 AA 펀드 코드를 가진 채권 펀드의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합인 0.096이 패시브 펀드로 분류된 채권 펀드들의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합의 평균인 0.173보다 0.08만큼 작은 결과에 기반하여 1구간에 대한 운용 적합성 구간 점수를 0.3으로 부여할 수 있다.
이때, 전략 성과가 동일 유형의 채권 펀드 평균 성과와 비교하여 미리 설정된 동일 범위에 해당하는 경우 기본 점수인 0.5점을 부여하고, 5bp차이마다 기본 점수로부터 0.2점을 합산하거나 차감할 수 있고, 기본 점수, 합산 또는 차감하는 점수, 합산 또는 차감하는 단위 차이는 평가 기간에서 여러 펀드의 성과를 비교하여 기준을 결정할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 미리 설정된 기간 동안의 채권 펀드의 제1 유형의 변화에 기반하여 스타일 일관성을 평가할 수 있다.
예를 들어, 채권 펀드 평가 장치(100)는 미리 설정된 기간을 복수의 구간으로 나누고, 각 구간에서 평가된 채권 펀드의 제1 유형이 일관되게 유지되는지 또는 구간마다 일관성을 지키지 못하고 변화하는지를 판단하여 유지 시마다 점수를 부여하고 그 평균 값으로 스타일 일관성을 평가할 수 있다. 즉, 채권 펀드가 이전 구간의 제1 유형과 이어지는 다음 구간에서 동일한 제1 유형을 유지하는 경우 점수를 부여하고 제1 유형이 변한 경우(상이한 경우) 점수를 부여하지 않을 수 있다. 이 경우, 패시브 유형을 유지하는 경우는 액티브 전략이 아니므로 점수를 부여하지 않을 수 있다.
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드를 1 내지 6구간에서 각 제1 유형을 차례대로 패시브, 패시브, 트위스트, 크레딧, 크레딧, 크레딧으로 분류하였고, 제1 유형이 4 내지 6 구간에서 크레딧 유형을 동일하게 유지하였으므로 5구간 및 6구간에서 각 1점을 부여하여 합산한 후(총 2점) 평가 회수(전체 구간 개수 -1인 5회)로 나눈 값(0.4)(560)으로 스타일 일관성을 평가할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 채권 펀드의 평가 지표들(시장 적합성, 운용 적합성 및 스타일 일관성)을 평가한 결과를 각각 미리 설정된 비율로 반영하여 종합하여 채권 펀드를 평가할 수 있다(S160).
이 경우, 채권 펀드 평가 장치(100)는 각 평가 지표들을 평가한 결과에서 특정 평가 지표에 가중치를 두어 채권 펀드를 평가할 수 있다.
예를 들어, 채권 펀드 평가 장치(100)는 미리 설정된 비율이 시장 적합성, 운용 적합성 및 스타일 일관성 각각에 대해 1:2:1인 경우 운용 적합성을 평가한 결과에 다른 평가 지표들을 평가한 결과보다 2배로 반영하여 종합할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 평가 지표들(시장 적합성, 운용 적합성 및 스타일 일관성)을 평가한 결과에 미리 설정된 비율을 곱한 값을 합산한 후 이를 평균하여 채권 펀드를 평가할 수 있다.
도 5를 예로 들면, 채권 펀드 평가 장치(100)는 AA 펀드 코드를 가진 채권 펀드의 각 평가 지표들을 평가한 결과에 미리 설정된 비율인 1:2:1을 반영하여 합산한 점수(0.67+0.8+0.4=1.87)의 평균인 0.62를 AA 펀드 코드를 가진 채권 펀드의 종합 평가로 결정할 수 있다.
일 실시 예에서, 채권 펀드 평가 장치(100)는 복수의 채권 펀드들에 대하여 각 채권 펀드의 제1 유형 및 종합 평가에 기반하여 특정 채권 펀드를 특정 시장 상황에 적합한 채권 펀드로 결정할 수 있다.
예를 들어, 채권 펀드 평가 장치(100)는 트위스트 전략이 양호한 성과를 발휘할 것으로 시장 상황을 평가한 경우(또는 운용자로부터 시장 상황에 트위스트 전략이 양호할 것으로 입력받은 경우), 제1 유형이 트위스트인 복수의 채권 펀드들에 대하여 채권 펀드 평가를 수행하고 종합 평가가 가장 좋은 채권 펀드를 해당 시장 상황에 적합한 채권 펀드로 결정할 수 있다.
전술한 본 개시는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 채권 펀드 평가 장치(100)의 프로세서를 포함할 수도 있다.
한편, 상기 프로그램은 본 개시를 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수 있다. 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 개시의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 개시에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 개시가 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예를 들어, 등)의 사용은 단순히 본 개시를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 개시의 범위가 한정되는 것은 아니다. 또한, 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 인자(factor)에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 개시의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 개시의 사상의 범주에 속한다고 할 것이다.
100: 채권 펀드 평가 장치 200: 정보 제공 장치
Claims (11)
- 컴퓨팅 장치에 의해 멀티 팩터 모델(Multi Factor Model)에 기반하여 채권 펀드를 평가하는 방법으로서,
프로세서에 의해, 제1 채권 펀드의 액티브 리스크(active risk)에 기반하여 상기 제1 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하는 단계;
상기 프로세서에 의해, 상기 제1 채권 펀드가 액티브 펀드인 경우, 상기 멀티 팩터 모델에 기반하여 상기 제1 채권 펀드를 분석하여 산출된 상기 제1 채권 펀드의 쉬프트 리스크(shift risk), 상기 제1 채권 펀드의 트위스트 리스크(twist risk) 및 상기 제1 채권 펀드의 크레딧 리스크(credit risk)에 기반하여 상기 제1 채권 펀드의 펀드 유형을 분류하는 단계;
상기 프로세서에 의해, 상기 액티브 리스크에 기반하여 상기 제1 채권 펀드의 시장 적합성을 평가하는 단계;
상기 프로세서에 의해, 상기 제1 채권 펀드의 성과를 상기 제1 채권 펀드의 상기 펀드 유형과 동일한 펀드 유형을 갖는 다른 채권 펀드의 성과와 비교하여 상기 제1 채권 펀드의 운용 적합성을 평가하는 단계; 및
상기 프로세서에 의해, 상기 제1 채권 펀드의 상기 펀드 유형의 변화 여부에 기반하여 상기 제1 채권 펀드의 스타일 일관성을 평가하는 단계를 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 1 항에 있어서,
상기 제1 채권 펀드를 액티브 펀드 또는 패시브 펀드로 분류하는 단계는,
상기 프로세서에 의해, 상기 제1 채권 펀드의 상기 액티브 리스크가 미리 설정된 제1 액티브 리스크 기준 값 미만인 경우 상기 제1 채권 펀드를 패시브 펀드로 분류하고, 상기 제1 채권 펀드의 상기 액티브 리스크가 상기 제1 액티브 리스크 기준 값 이상인 경우 상기 제1 채권 펀드를 액티브 펀드로 분류하는 단계를 더 포함하고,
상기 제1 액티브 리스크 기준 값은 상기 제1 채권 펀드의 운용 보수에 기반하여 미리 설정되는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 2 항에 있어서,
상기 제1 채권 펀드의 상기 펀드 유형을 분류하는 단계는,
상기 프로세서에 의해, 상기 쉬프트 리스크, 상기 트위스트 리스크 및 상기 크레딧 리스크를 확인하는 단계; 및
상기 프로세서에 의해, 상기 쉬프트 리스크, 상기 트위스트 리스크 및 상기 크레딧 리스크 중 가장 높은 값을 가진 리스크에 해당하는 팩터에 관련된 펀드 유형으로 상기 제1 채권 펀드의 제1 유형을 결정하는 단계를 더 포함하고,
상기 제1 유형은 쉬프트, 트위스트 및 크레딧 중 어느 하나로 결정되는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 3 항에 있어서,
상기 프로세서에 의해, 상기 제1 채권 펀드의 상기 제1 유형에 해당하는 팩터를 확인하는 단계로서, 상기 멀티 팩터 모델에 기반하여 상기 제1 채권 펀드의 쉬프트 팩터(shift factor), 트위스트 팩터(twist factor) 및 크레딧 팩터(credit factor) 중 상기 제1 채권 펀드의 상기 제1 유형에 대응하는 어느 하나의 팩터를 제1 팩터로서 확인하는 단계; 및
상기 프로세서에 의해, 상기 제1 채권 펀드의 제1 유형과 동일한 유형으로 분류된 적어도 두 개 이상의 채권 펀드들의 상기 제1 팩터의 노출도 평균과 상기 제1 채권 펀드의 상기 제1 팩터의 노출도를 비교한 결과 또는 전체 채권 펀드의 상기 제1 팩터의 노출도 평균과 상기 제1 채권 펀드의 상기 제1 팩터의 노출도를 비교한 결과에 기반하여 상기 제1 채권 펀드의 제2 유형을 결정하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 3 항에 있어서,
상기 제1 채권 펀드의 상기 운용 적합성을 평가하는 단계는,
상기 프로세서에 의해, 상기 멀티 팩터 모델에 기반하여, 상기 제1 채권 펀드의 상기 제1 유형과 동일한 펀드 유형으로 분류된 적어도 두 개 이상의 채권 펀드들의 상기 제1 유형에 해당하는 팩터에 대응하는 팩터 성과의 평균과 상기 제1 채권 펀드의 상기 제1 유형에 해당하는 팩터에 대응하는 팩터 성과를 비교한 결과에 기반하여 상기 운용 적합성을 평가하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 3 항에 있어서,
상기 제1 채권 펀드의 상기 스타일 일관성을 평가하는 단계는,
상기 프로세서에 의해, 상기 제1 채권 펀드의 제1 유형의 변화에 기반하여 상기 스타일 일관성을 평가하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 6 항에 있어서,
상기 제1 채권 펀드의 상기 제1 유형의 변화에 기반하여 상기 스타일 일관성을 평가하는 단계는,
연속된 구간들 중 제1 구간의 상기 제1 채권 펀드의 제1 유형과 상기 제1 구간의 이후 구간인 제2 구간의 상기 제1 채권 펀드의 제1 유형이 동일한 경우, 상기 제1 구간의 상기 제1 채권 펀드의 제1 유형과 상기 제2 구간의 상기 제1 채권 펀드의 제1 유형이 상이한 경우보다 상기 스타일 일관성을 높게 평가하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 1 항에 있어서,
상기 제1 채권 펀드의 상기 시장 적합성을 평가하는 단계는,
상기 프로세서에 의해, 상기 액티브 리스크의 변화에 기반하여 상기 시장 적합성을 평가하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 1 항에 있어서,
상기 제1 채권 펀드의 상기 운용 적합성을 평가하는 단계는,
상기 프로세서에 의해, 상기 제1 채권 펀드가 패시브 펀드인 경우 패시브 펀드로 분류된 적어도 두 개 이상의 채권 펀드들의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합의 평균과 상기 제1 채권 펀드의 쉬프트 성과, 트위스트 성과 및 크레딧 성과의 합의 비교 결과에 기반하여 상기 운용 적합성을 평가하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 제 1 항에 있어서,
상기 프로세서에 의해, 상기 제1 채권 펀드의 상기 시장 적합성을 평가한 결과, 상기 운용 적합성을 평가한 결과 및 상기 스타일 일관성을 평가한 결과를 각각 미리 설정된 비율로 반영하여 종합하여 상기 제1 채권 펀드의 종합 평가를 결정하는 단계를 더 포함하는,
컴퓨팅 장치의 채권 펀드 평가 방법.
- 프로세서; 및
상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고,
상기 메모리는,
상기 프로세서를 통해 실행될 때, 상기 프로세서가 제1 채권 펀드의 액티브 리스크(active risk)에 기반하여 상기 제1 채권 펀드를 액티브 펀드(active fund) 또는 패시브 펀드(passive fund)로 분류하고, 상기 제1 채권 펀드가 액티브 펀드인 경우 멀티 팩터 모델(Multi Factor Model)에 기반하여 상기 제1 채권 펀드를 분석하여 산출된 상기 제1 채권 펀드의 쉬프트 리스크(shift risk), 상기 제1 채권 펀드의 트위스트 리스크(twist risk) 및 상기 제1 채권 펀드의 크레딧 리스크(credit risk)에 기반하여 상기 제1 채권 펀드의 펀드 유형을 분류하고, 상기 액티브 리스크에 기반하여 상기 제1 채권 펀드의 시장 적합성을 평가하고, 상기 제1 채권 펀드의 성과를 상기 제1 채권 펀드의 상기 펀드 유형과 동일한 펀드 유형을 갖는 다른 채권 펀드의 성과와 비교하여 상기 제1 채권 펀드의 운용 적합성을 평가하고, 상기 제1 채권 펀드의 상기 펀드 유형의 변화 여부에 기반하여 상기 제1 채권 펀드의 스타일 일관성을 평가하도록 야기하는 코드들을 저장하는,
컴퓨팅 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200076577A KR102645942B1 (ko) | 2020-06-23 | 2020-06-23 | 채권 펀드 평가 방법 및 장치 |
| KR1020230044618A KR20230048293A (ko) | 2020-06-23 | 2023-04-05 | 채권 펀드 평가 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200076577A KR102645942B1 (ko) | 2020-06-23 | 2020-06-23 | 채권 펀드 평가 방법 및 장치 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230044618A Division KR20230048293A (ko) | 2020-06-23 | 2023-04-05 | 채권 펀드 평가 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210158151A KR20210158151A (ko) | 2021-12-30 |
| KR102645942B1 true KR102645942B1 (ko) | 2024-03-11 |
Family
ID=79178513
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200076577A KR102645942B1 (ko) | 2020-06-23 | 2020-06-23 | 채권 펀드 평가 방법 및 장치 |
| KR1020230044618A KR20230048293A (ko) | 2020-06-23 | 2023-04-05 | 채권 펀드 평가 방법 및 장치 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230044618A KR20230048293A (ko) | 2020-06-23 | 2023-04-05 | 채권 펀드 평가 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102645942B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102575858B1 (ko) * | 2022-10-13 | 2023-09-06 | 중앙대학교 산학협력단 | 포트폴리오 관리 장치 및 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101004375B1 (ko) | 2010-04-26 | 2010-12-28 | 우리투자증권 주식회사 | Ｐｓｒ 분석을 이용한 펀드 관리 방법 및 시스템 |
| KR101139626B1 (ko) | 2011-12-07 | 2012-04-27 | 우리투자증권 주식회사 | 운용과정 기반의 포트폴리오 리스크 평가 방법 및 시스템 |
| JP2020027543A (ja) | 2018-08-16 | 2020-02-20 | 株式会社野村総合研究所 | ファンド抽出装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090075557A (ko) * | 2008-01-04 | 2009-07-08 | 주식회사 에프앤가이드 | 펀드의 유형 분류 및 성과 평가를 이용한 의사 결정 지원시스템 |
-
2020
- 2020-06-23 KR KR1020200076577A patent/KR102645942B1/ko active IP Right Grant
-
2023
- 2023-04-05 KR KR1020230044618A patent/KR20230048293A/ko not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101004375B1 (ko) | 2010-04-26 | 2010-12-28 | 우리투자증권 주식회사 | Ｐｓｒ 분석을 이용한 펀드 관리 방법 및 시스템 |
| KR101139626B1 (ko) | 2011-12-07 | 2012-04-27 | 우리투자증권 주식회사 | 운용과정 기반의 포트폴리오 리스크 평가 방법 및 시스템 |
| JP2020027543A (ja) | 2018-08-16 | 2020-02-20 | 株式会社野村総合研究所 | ファンド抽出装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210158151A (ko) | 2021-12-30 |
| KR20230048293A (ko) | 2023-04-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pencina et al. | Net reclassification index at event rate: properties and relationships | |
| Broder et al. | The cost of hematopoietic stem-cell transplantation in the United States | |
| JP6061439B2 (ja) | データ処理システム、コンピュータ可読の媒体、データ・マイニング結果を分析する方法、データ・モデルを処理する方法（統計技術を使用するデータ・マイニング・モデル解釈、最適化、及びカスタマイゼーション） | |
| Thürer et al. | Concerning workload control and order release: The pre‐shop pool sequencing decision | |
| Meschi et al. | Do firms forget about their past acquisitions? Evidence from French acquisitions in the United States (1988–2006) | |
| Yeh et al. | Using a hybrid MCDM methodology to identify critical factors in new product development | |
| EP3726441A1 (en) | Company bankruptcy prediction system and operating method therefor | |
| CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
| KR20190051904A (ko) | 챗봇을 이용한 고객 의도 분류 서버, 방법 및 판독 가능 저장매체에 저장된 컴퓨터 프로그램 | |
| KR102645942B1 (ko) | 채권 펀드 평가 방법 및 장치 | |
| JP2015191374A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
| KR102173813B1 (ko) | 펀드의 주식요인분해를 실시간으로 제공하는 방법 및 장치 | |
| Wang et al. | An integrated quality-function-deployment and stochastic-dominance-based decision-making approach for prioritizing product concept alternatives | |
| Shah et al. | Vulnerability selection for remediation: An empirical analysis | |
| Duran et al. | Impact of competitive strategies and supply chain strategies on the firm performance under environmental uncertainties | |
| CN116151668A (zh) | 一种电网数据质量确定方法及装置 | |
| Huang et al. | Gold and government bonds as safe-haven assets against stock market turbulence in China | |
| CN107220246B (zh) | 业务对象的分析方法及装置 | |
| US7139770B2 (en) | Spatial data analysis apparatus and spatial data analysis method | |
| US20130204805A1 (en) | System for valuing investment opportunities | |
| US10229362B2 (en) | Information processing method | |
| US11816542B2 (en) | Finding root cause for low key performance indicators | |
| Marcarelli | An integrated network model for performance management: a focus on healthcare organisations | |
| CN111611353A (zh) | 筛选方法、装置、电子设备及计算机可读存储介质 | |
| Rosslyn-Smith et al. | Establishing turnaround potential before commencement of formal turnaround proceedings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application | ||
| E601 | Decision to refuse application | ||
| E801 | Decision on dismissal of amendment | ||
| A107 | Divisional application of patent | ||
| J201 | Request for trial against refusal decision | ||
| J301 | Trial decision |
Free format text: TRIAL NUMBER: 2023101000813; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20230413 Effective date: 20231031 |
|
| E902 | Notification of reason for refusal | ||
| GRNO | Decision to grant (after opposition) | ||
| GRNT | Written decision to grant |